Analisis Faktor Penyebab Kepadatan Penduduk Menurut Persepsi Masyarakat Di Kotamadya Sibolga

ANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK

MENURUT PERSEPSI MASYARAKAT

DI KOTAMADYA SIBOLGA

SKRIPSI

HENNI MULYANI SIREGAR

090803061

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

2013

ANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK MENURUT PERSEPSI MASYARAKAT

DI KOTAMADYA SIBOLGA

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains

HENNI MULYANI SIREGAR 090803061

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

MEDAN 2013

PERSETUJUAN

Judul : ANALISIS FAKTOR PENYEBAB KEPADATAN

PENDUDUK MENURUT PERSEPSI

MASYARAKAT DI KOTAMADYA SIBOLGA

Kategori : SKRIPSI

Nama : HENNI MULYANI SIREGAR

Nomor Induk Mahasiswa : 090803061

Program Studi : SARJANA (S1) MATEMATIKA

Departemen : MATEMATIKA

Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN

ALAM (FMIPA) UNIVERSITAS SUMATERA

UTARA Diluluskan di Medan, Juli 2013 Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Drs. Suwarno Ariswoyo, M.Si Drs. Henry Rani Sitepu, M.Si

NIP.19500321 198003 1 001 NIP. 19530303 198303 1 002

Diketahui/ Disetujui oleh

Departemen Matematika FMIPA USU Ketua,

Prof. Drs. Tulus, Vordipl.Math., M.Si., Ph.D. NIP.19620901 198803 1 002

PERNYATAAN

ANALISIS FAKTOR PENYEBAB KEPADATAN PENDUDUK MENURUT PERSEPSI MASYARAKAT

DI KOTAMADYA SIBOLGA

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2013

HENNI MULYANI SIREGAR 090803061

PENGHARGAAN

Segala puji dan rasa syukur penulis panjatkan kepada Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul “Analisis Faktor Penyebab Kepadatan Penduduk Menurut Persepsi Masyarakat di Kotamadya Sibolga” ini tepat pada waktu yang telah

ditetapkan.

Penulis menyadari bahwa Tugas Akhir ini tidak terwujud apabila tidak mendapat dorongan dan bimbingan dari berbagai pihak. Pada kesempatan ini penulis mengucapkan terima kasih yang setulus-tulusnya kepada Bapak Drs. Henry Rani Sitepu, M.Si dan Bapak Drs. Suwarno Ariswoyo, M.Si selaku dosen pembimbing I dan pembimbing II saya yang telah banyak menyumbangkan pemikiran dan panduan dengan penuh kepercayaan kepada saya dalam menyempurnakan pengerjaan Tugas Akhir ini. Penulis juga mengucapkan terima kasih kepada Bapak Drs. Open Darnius, M.Sc dan Bapak Drs. Pasukat Sembiring, M.Si selaku dosen penguji saya yang telah banyak memberikan saran dan masukan yang positif dalam pengerjaan Tugas Akhir ini. Ucapkan terima kasih juga penulis tujukan kepada Ketua dan Sekretaris Departemen Matematika, Bapak Prof. Dr. Tulus, M.Si dan Ibu Dra. Mardiningsih, M.Si, Dekan dan Pembantu Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara, Semua Dosen pada Departemen Matematika FMIPA USU, pegawai FMIPA USU, dan teman-teman kuliah khususnya Anak Jendral Stambuk 2009, serta seluruh Senior dan Alumni Matematika, Adik-adik Junior Stambuk 2010, 2011 dan 2012. Akhirnya, tidak terlupakan kepada kedua orang tua saya tercinta Bapak Ahmad Maskhur Siregar dan Ibunda Salbiah, Adik-adik saya tersayang, dan seluruh sanak saudara yang telah memberikan semangat dan doa yang besar kepada saya dalam pengerjaan tugas akhir ini. Semoga Allah SWT akan membalasnya

Akhir kata penulis mengucapkan terima kasih. Semoga skripsi ini bermanfaat bagi kita semua.

Medan, Juli 2013 Penulis

Henni Mulyani Siregar 090803061

ABSTRAK

Analisis faktor merupakan salah satu metode multivariat yang digunakan untuk menganalisis variabel-variabel yang diduga memiliki keterkaitan satu sama lain sehingga keterkaitan tersebut dapat dijelaskan dan dipetakan atau dikelompokkan pada faktor yang tepat. Pada penelitian ini digunakan Analisis Faktor untuk mengetahui apa saja faktor-faktor yang dominan yang mempengaruhi kepadatan penduduk di kotamadya Sibolga menurut asumsi/persepsi penduduk kotamadya Sibolga selaku responden dalam penelitian ini. Berdasarkan hasil penelitian diperoleh 3 faktor yang dominan yang dapat mempengaruhi kepadatan penduduk di kotamadya Sibolga yaitu faktor Lingkungan dan Pendapatan (31,353%), faktor Internal (16,337%), faktor Pendidikan dan Kesehatan (10,18%). Ketiga faktor tersebut memberikan proporsi keragaman kumulatif sebesar 57,87% artinya ketiga faktor tersebut dapat mempengaruhi kepadatan penduduk di kotamadya Sibolga sebesar 57,87% dan sisanya dapat dipengaruhi faktor-faktor lainnya yang tidak teridentifikasi oleh model penelitian.

ABSTRACT

Factor Analysis is one of used multivariate method to analyze correlations of among indikators variables so that explainable to mapped or grouped at correct common factor. This research is a factor analysis to find out what are the dominant factors which can influence population density in the Sibolga city to assumptions/perceptions of respondents in this research. Pursuant to the research results obtained three dominant factors that can influence population density in the Sibolga city are Environment and Income factor (31,353%), Internal factor (16,337%), Education and Healthy factor (10,18%). The dominants factor gives the cumulative proportion equal to 57,87%, it means that the three factors can influence population density in Sibolga city to 57,87% and the rest can be influenced by other factors which is not identified by research model.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataan iii

Penghargaan iv

Abstrak v

Abstract vi

Daftar Isi vii

Daftar Tabel ix

Daftar Gambar x

Daftar Lampiran xi

Bab 1 Pendahuluan 1

1.1 Latar Belakang 1

1.2 Perumusan Masalah 2

1.3 Batasan Masalah 3

1.4 Tinjauan Pustaka 3

1.5 Tujuan Penelitian 5

1.6 Manfaat Penelitian 6

1.7 Metodologi Penelitian 6

Bab 2 Landasan Teori 8

2.1 Profil Kotamadya Sibolga 8

2.2 Dasar Teori Kependudukan 10

2.2.1 Definisi Penduduk 10

2.2.2 Teori-teori Kependudukan 10

2.3 Proyeksi Penduduk 11

2.4 Kepadatan Penduduk 13

2.4.1 Definisi Kepadatan Penduduk 13

2.4.2 Jenis-jenis Kepadatan Penduduk 13

2.4.3 Faktor Penyebab Kepadatan Penduduk 15

2.4.4 Upaya Mengurangi Kepadatan Penduduk 15

2.5 Data 16

2.5.1 Uji Dalam Pengolahan Data 16

2.5.1.1 Uji Validitas 16

2.5.1.2 Uji Reliabilitas 17

2.6 Analisis Faktor 17

2.6.1 Definisi Analisis Faktor 17

2.6.2 Model Analisis Faktor 18

2.6.3 Statistik yang Berkaitan dengan Analisis Faktor 19

2.6.4 Langkah-langkah Analisis Faktor 22

Bab 3 Pembahasan dan Hasil 29

3.1 Populasi, Sampel dan Teknik Penarikan Sampel 29

3.2 Karakteristik Responden 30

3.4 Sumber Data 34

3.5 Pengolahan Data 34

3.5.1 Input Data Mentah 34

3.5.2 Penskalaan Data Ordinal Menjadi Data Interval 35

3.6 Uji Validitas 39

3.7 Uji Reliabilitas 41

3.8 Analisis Data 44

3.8.1 Membentuk Matriks Korelasi 44

3.8.2 Ekstraksi Faktor 49

3.8.3 Menentukan Banyaknya Faktor 52

3.8.4 Melakukan Rotasi Faktor 53

3.8.5 Interpretasi Faktor 56

3.8.6 Menentukan Ketepatan Model 60

Bab 4 Kesimpulan dan Saran 62

4.1 Kesimpulan 62

4.2 Saran 63

DAFTAR TABEL

Halaman

Tabel 2.1 Topografi Kotamadya Sibolga 9

Tabel 3.1 Daftar Jumlah Penduduk Kotamadya Sibolga tahun 2010 29

Tabel 3.2 Penarikan Sampel dengan Proporsional 30

Tabel 3.3 Karakteristik Responden 31

Tabel 3.4 Data Hasil Kuisioner 35

Tabel 3.5 Penskalaan Variabel 1 36

Tabel 3.6 Hasil Penskalaan Variabel 38

Tabel 3.7 Data Interval 38

Tabel 3.8 Uji Validitas Variabel Penelitian 39

Tabel 3.9 Contoh Perhitungan Korelasi Product Moment 40

Tabel 3.10 Uji Reliabilitas Variabel Penelitian 42

Tabel 3.11 Matriks Korelasi 45

Tabel 3.12 Perhitungan Korelasi Antara Variabel X1Dengan X2 45

Tabel 3.13 Kaiser-Meyer-Olkin (KMO) dan Barlett’s Test 47 Tabel 3.14 Nilai Measure of Sampling Adequecy (MSA) 48

Tabel 3.15 Komunalitas Variabel 49

Tabel 3.16.A Nilai Eigenvalue Untuk Setiap Faktor 51

Tabel 3.16.B Sumbangan Masing-Masing Faktor 51

Tabel 3.17 Matriks Faktor (a) (Sebelum Dirotasi) 54

Tabel 3.18 Matriks Faktor (a) (Setelah Dirotasi) 56

Tabel 3.19 Korelasi antara variabel sebelum dirotasi dan setelah dirotasi 58

DAFTAR GAMBAR

Halaman

DAFTAR LAMPIRAN

Lampiran 1: Kuisioner Penelitian Lampiran 2: Data Hasil Kuisioner Lampiran 3: Hasil Output SPSS Lampiran 4: Perhitungan Manual

ABSTRAK

Analisis faktor merupakan salah satu metode multivariat yang digunakan untuk menganalisis variabel-variabel yang diduga memiliki keterkaitan satu sama lain sehingga keterkaitan tersebut dapat dijelaskan dan dipetakan atau dikelompokkan pada faktor yang tepat. Pada penelitian ini digunakan Analisis Faktor untuk mengetahui apa saja faktor-faktor yang dominan yang mempengaruhi kepadatan penduduk di kotamadya Sibolga menurut asumsi/persepsi penduduk kotamadya Sibolga selaku responden dalam penelitian ini. Berdasarkan hasil penelitian diperoleh 3 faktor yang dominan yang dapat mempengaruhi kepadatan penduduk di kotamadya Sibolga yaitu faktor Lingkungan dan Pendapatan (31,353%), faktor Internal (16,337%), faktor Pendidikan dan Kesehatan (10,18%). Ketiga faktor tersebut memberikan proporsi keragaman kumulatif sebesar 57,87% artinya ketiga faktor tersebut dapat mempengaruhi kepadatan penduduk di kotamadya Sibolga sebesar 57,87% dan sisanya dapat dipengaruhi faktor-faktor lainnya yang tidak teridentifikasi oleh model penelitian.

ABSTRACT

Factor Analysis is one of used multivariate method to analyze correlations of among indikators variables so that explainable to mapped or grouped at correct common factor. This research is a factor analysis to find out what are the dominant factors which can influence population density in the Sibolga city to assumptions/perceptions of respondents in this research. Pursuant to the research results obtained three dominant factors that can influence population density in the Sibolga city are Environment and Income factor (31,353%), Internal factor (16,337%), Education and Healthy factor (10,18%). The dominants factor gives the cumulative proportion equal to 57,87%, it means that the three factors can influence population density in Sibolga city to 57,87% and the rest can be influenced by other factors which is not identified by research model.

BAB 1

PENDAHULUAN

1.1Latar Belakang

Demografi adalah studi matematik dan statistik terhadap jumlah, komposisi dan distribusi penduduk, manusia dan perubahan-perubahan dari aspek-aspek tersebut yang senantiasa terjadi sebagai akibat bekerjanya lima proses yaitu fertilitas (kelahiran), mortalitas (kematian), perkawinan, migrasi dan mobilitas sosial. Demografi mengkaji pertumbuhan penduduk yang seimbang dan dinamis antara kekuatan-kekuatan yang menambah dan kekuatan-kekuatan yang mengurangi jumlah penduduk. Adapun pertumbuhan penduduk secara terus menerus akan dipengaruhi oleh jumlah kelahiran dan banyaknya imigrasi tetapi secara bersamaan hal tersebut akan dikurangi dengan jumlah kematian dan emigrasi penduduk yang terjadi setiap tahunnya .

Proyeksi keadaan penduduk merupakan salah satu unsur demografi yang sering menarik perhatian bagi mereka yang mempelajari ilmu kependudukan, termasuk statistik. Hal ini karena pengetahuan yang berkaitan dengan keadaan penduduk suatu daerah di masa depan mempunyai beragam kegunaan seperti untuk penyusunan rencana pembangunan sosial ekonomi daerah yang bersangkutan.

Masalah kependudukan merupakan masalah yang cukup serius bagi pemerintah, karena masalah ini akan berkaitan erat dengan dengan munculnya berbagai masalah lain, misalnya dalam bidang ekonomi, pendidikan, kesehatan dan bidang kesejahteraan umum lainnya.

Untuk mengatisipasi tingkat kepadatan penduduk, pertama harus diketahui faktor-faktor apa saja yang menjadi faktor dominan kepadatan penduduk di suatu daerah tersebut. Faktor kepadatan penduduk tersebut di bagi dalam beberapa variabel yang dianggap sebagai penyebab utama kepadatan penduduk. Kemudian variabel-variabel tersebut perlu direduksi untuk memperoleh beberapa faktor yang dapat menggambarkan keragaman variabel tersebut.

Penelitian ini menggunakan Analisis Faktor untuk mengetahui apa saja faktor-faktor yang dominan yang dapat mempengaruhi kepadatan penduduk. Analisis Faktor dipilih karena Analisis Faktor merupakan suatu kelas prosedur yang digunakan untuk mereduksi/meringkas data dari variabel banyak diubah menjadi sedikit variabel.

Dengan luas wilayah Sibolga yang cukup terbatas yaitu 10,77 km2, sementara pertumbuhana penduduk selalu meningkat mengakibatkan kepadatan penduduk per km2 wilayah juga meningkat. Kepadatan penduduk per km2 kota Sibolga tahun 2010 mencapai 7.644 jiwa/ km2. Angka ini merupakan angka tertinggi di kabupaten/kota se Sumatera Utara sesuai dengan hasil sensus penduduk tahun 2010 (Sibolga dalam angka, 2012), sehingga Sibolga berada diurutan pertama sebagai kota terpadat di Sumatera Utara.

Tentu saja ini sangat menjadi perhatian pemerintah kotamadya Sibolga guna menanggulangi kepadatan penduduk yang terus meningkat dari waktu ke waktu, ada pun cara yang telah dilakukan pemerintah yaitu menekan angka kelahiran seperti digalakkannya program Keluarga Berencana (KB).

Berdasarkan uraian diatas maka penulis memilih judul tugas akhir “Analisis

Faktor Penyebab Kepadatan Penduduk Menurut Persepsi Masyarakat di Kotamadya Sibolga.

1.2 Perumusan Masalah

Perumusan masalah yang akan diteliti dalam tulisan ini adalah faktor-faktor apa saja dan seberapa besar pengaruh faktor-faktor tersebut mempengaruhi kepadatan penduduk di kotamadya Sibolga.

1.3Batasan Masalah

Agar pembatasan masalah lebih jelas, maka penulis memberikan batasan yang akan dilakukan yaitu:

1. Penduduk yang menjadi responden adalah masyarakat yang terdaftar sebagai penduduk kotamadya Sibolga dan memiliki KTP.

2. Iklim di seluruh wilayah kotamadya Sibolga adalah sama, artinya iklim tidak merupakan faktor yang mempengaruhi kepadatan penduduk.

1.4 Tinjauan Pustaka

Demografi mempelajari struktur dan proses penduduk di suatu wilayah. Struktur penduduk meliputi: jumlah, persebaran dan komposisi penduduk. Struktur penduduk ini selalu berubah-ubah, dan perubahan tersebut disebabkan karena proses demografi, yaitu: kelahiran (fertilitas), kematian (mortalitas) dan mobilitas sosial (perubahan status) (Ida Bagoes Mantra, 2009)

Proyeksi penduduk merupakan perkiraan data kependudukan dimasa datang yang dibuat dengan perhitungan-perhitungan dan asumsi-asumsi tertentu (Ida Bagoes Mantra, 2009). Proyeksi penduduk merupakan suatu perhitungan ilmiah yang didasarkan pada asumsi dari komponen laju pertumbuhan penduduk, yaitu kelahiran, kematian dan perpindahan penduduk. Untuk menentukan asumsi dari tingkat perkembangan kelahiran, kematian dan perpindahan penduduk dimasa datang diperlukan data-data dimasa lampau, faktor-faktor yang mempengaruhi dari masing-masing komponen dan hubungan satu dengan yang lain.

Ida Bagoes Mantra (2009) juga menambahkan bahwa faktor-faktor yang mempengaruhi laju pertumbuhan penduduk yang berdiam di daerah perkotaan dipengaruhi oleh faktor reklasifikasi. Reklasifikasi adalah perubahan status suatu wilayah dari pedesaan ke perkotaan. Selain itu, kota yang melaksanakan perluasan wilayah menyebabkan terjadinya pertambahan jumlah penduduk.

Analisis faktor merupakan nama umum yang menunjukkan suatu kelas prosedur, utamanya dipergunakan untuk menemukan hubungan (interrelatioship) antara sejumlah variabel-variabel yang saling independen satu dengan yang lain, sehingga data tereduksi atau diringkas dari variabel banyak diubah menjadi variabel yang lebih sedikit dari jumlah variabel awal. Dengan kata lain, Analisis faktor adalah menilai mana saja variabel yang dianggap layak (appropriateness) untuk dimasukkan dalam analisis selanjutnya (Supranto, 2004).

Pada dasarnya tujuan Analisis Faktor adalah: (Santoso, 2010)

1. Data summarization, yakni mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi.

2. Data reduction, yakni setelah melakukan korelasi, dilakukan proses membuat sebuah variabel set baru yang dinamakan faktor untuk menggantikan sejumlah variabel tertentu.

Analisis faktor dipergunakan di dalam situasi sebagai berikut : (Supranto, 2004)

1. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor, yang menjelaskan korelasi antara suatu set variabel. Menganalisis faktor berarti mereduksi data/variabel.

2. Menganalisis atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi (independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli yang saling berkorelasi di dalam analisis multivariat selanjutnya, misalnya analisis regresi berganda dan analisis diskriminan. 3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu

set variabel yang lebih banyak jumlanya untuk dipergunakan di dalam analisis multivariat selanjutnya.

Model Analisis Faktor dapat ditulis sebagai berikut ini :

dimana :

Xi = Variabel ke i yang dibakukan.

Fj = Komponen faktor ke j.

Vi = Koefisien regresi yang dibakukan untuk variabel ke i pada faktor yang unik

ke i

µi = Faktor unik variabel ke i.

m = Banyaknya komponen faktor.

Analisis faktor memiliki banyak aplikasi di dalam riset pemasaran, manajemen dan ilmu sosial/kedokteran, untuk klasifikasi/pengelompokkan (Supranto: 2004).

Antara lain adalah sebagai berikut:

1. Analisis faktor bisa dipergunakan di dalam segmentasi pasar untuk mengidentifikasi variabel yang mendasari yang dipergunakan untuk mengelompokkan pelanggan.

2. Di dalam riset produk analisis faktor dapat dipergunakan untuk menentukan atribut atau karakteristik merek yang mempengaruhi pilihan pelanggan/pembeli. 3. Di dalam studi advertensi, analisis faktor dapat dipergunakan untuk memahami

kebiasaan mengkonsumsi media atau the media consumption habits dari sasaran (the target market).

4. Di dalam penelitian harga, bisa digunakan untuk mengenali/mengidentifikasi karakteristik atau sifat-sifat pelanggan/pembeli yang sensitif terhadap harga.

Pada bidang ilmu kependudukan/demografi penggunaan analisis faktor juga mengambil peran penting. Christopel (2012) menggunakan analisis faktor untuk menyelidiki faktor-faktor yang mempengaruhi pertumbuhan penduduk di kotamadya Medan.

1.5Tujuan Penelitian

Tujuan penelitian ini adalah untuk mengetahui faktor dominan yang mempengaruhi kepadatan penduduk di kotamadya Sibolga, sehingga faktor tersebut dapat diantisipasi dan juga dikendalikan.

1.6Manfaat Penelitian

a. Bagi penulis

Membantu penulis mengaplikasikan ilmu yang telah didapat di bangku perkuliahan dan menambah wawasan serta memperkaya literatur dalam bidang statistika yang berhubungan dengan pengetahuan demografi dan analisis faktor.

b. Bagi Departemen/Universitas

Agar dapat dijadikan sebagai bahan studi kasus bagi pembaca, khususnya kepada mahasiswa, serta dapat memberikan referensi bagi pihak perpustakaan sebagai bahan bacaan yang dapat menambah ilmu pengetahuan.

c. Bagi Kotamadya Sibolga

Memberikan gambaran seberapa besar pengaruh faktor-faktor yang mempengaruhi kepadatan penduduk di kotamadya Sibolga dan sebagai bahan antisipasi atau pengendali kepadatan penduduk.

1.7Metodologi Penelitian

Adapun metodologi penelitian dalam tulisan ini adalah sebagai berikut:

1. Mengumpulkan bahan yang berkaitan dengan ilmu kependudukan (demografi) dan analisis faktor (multivariat).

2. Menentukan variabel penelitian yang mempengaruhi kepadatan penduduk. 3. Mengumpulkan data primer yang bersumber pada hasil kuesioner terhadap

responden yang merupakan penduduk kotamadya Sibolga, dengan menggunakan angket (kuesioner).

4. Mengolah dan menganalisis data hasil kuisioner yang diperoleh dengan cara manual dan dengan menggunakan software statistika SPSS.

a.Penskalaan data ordinal menjadi data interval. b.Menguji validitas data.

d.Menganalisis data dengan menggunakan teknik analisis faktor. e.Interpretasi faktor.

f.Menetukan ketepatan model.

BAB 2

LANDASAN TEORI

2.1 Profil Kota Sibolga

Kota Sibolga adalah salah satu kota di provinsi Sumatera Utara, Indonesia. Kota ini terletak di pantai barat pulau Sumatera, membujur sepanjang pantai dari utara ke selatan dan berada pada kawasan teluk yang bernama Teluk Tapian Nauli, sekitar ± 350 km dari kota Medan.

Kota Sibolga memiliki wilayah seluas 10,77 Km2. Berdasarkan perhitungan Badan Pusat Statistik kota Sibolga tahun 2010, penduduk kota Sibolga adalah 85.271 jiwa ini berarti kepadatan penduduk pada wilayah pemukiman adalah 7.917 jiwa per km², sementara pertumbuhan penduduk setiap tahunnya sekitar 1.99 %. Masyarakat Sibolga terdiri dari bermacam etnis, antara lain Batak Toba, Batak Mandailing, Melayu dan Minangkabau. Namun dalam kesehariannya, bahasa yang dipergunakan adalah Bahasa Minangkabau logat pesisir.

Kota Sibolga dipengaruhi oleh letaknya yaitu berada pada daratan pantai, lereng, dan pegunungan. Terletak pada ketinggian berkisar antara 0 - 150 meter dari atas permukaan laut, dengan kemiringan lahan kawasan kota ini bervariasi antara 0-2 % sampai lebih dari 40 %.

Tabel 2.1 Topografi Kotamadya Sibolga

Kemiringan Luas

(km²)

Persentase

(%) Keterangan

Datar, kemiringan 0-2 % 3,12 29,10 daratan 2,17 km² dan kepulauan 0,95 km²

Bergelombang lereng

2-15 % 0,91 8,49

daratan 0,73 km² dan kepulauan 0,18 km²

Curam, lereng 15-40 % 0,31 28,9 daratan 0,10 km² dan kepulauan 0,21 km²

Terjal, lereng lebih dari

40 % 6,31 59,51

daratan 5,90 km² dan kepulauan 0,53 km²

Total 10,77 100

Iklim kota Sibolga termasuk cukup panas dengan suhu maksimum mencapai 32° C dan minimum 21,6° C. Sementara curah hujan di Sibolga cenderung tidak teratur di sepanjang tahunnya. Curah hujan tertinggi terjadi pada bulan November dengan jumlah 798 mm, sedangkan hujan terbanyak terjadi pada Desember yakni 26 hari.

2.2 Dasar Teori Kependudukan

2.2.1 Defenisi Penduduk

Penduduk adalah orang dalam matranya sebagai pribadi, anggota keluarga, anggota masyarakat, warga Negara, dan himpunan kuantitas yang bertempat tinggal di suatu tempat dalam batas wilayah Negara pada waktu tertentu (Undang-Undang RI No.10 tahun 1992). Sedangkan menurut Kamus Besar Bahasa Indonesia, penduduk adalah orang yang tinggal di suatu Negara dengan hak-hak dan kewajiban tertentu yang telah diatur dalam Undang-Undang.

2.2.2. Teori- Teori Kependudukan

Teori kependudukan dikembangkan oleh dua faktor yang sangat dominan yaitu yang pertama adalah meningkatnya pertumbuhan penduduk terutama di negara-negara yang sedang berkembang dan hal ini menyebabkan para ahli memahami faktor-faktor yang dapat mempengaruhi kepadatan penduduk, sedangkan yang kedua adalah adanya masalah-masalah yang bersifat universal, yang menyababkan para ahli harus lebih banyak mengembangkan dan menguasai kerangka teori untuk mengkaji lebih lanjut sejauh mana telah terjalin suatu hubungan antara penduduk dengan perkembangan ekonomi dan sosial.

Menurut Robert Malthus (1766-1834) yang dikenal dengan aliran Malthusian menyatakan bahwa penduduk apabila tidak ada pembatasan, akan berkembang biak dengan cepat dan memenuhi dengan cepat beberapa bagian dari permukaan bumi ini. Di samping itu Malthus juga berpendapat bahwa manusia untuk hidup memerlukan bahan makanan, sedangkan laju pertumbuhan bahan makanan jauh lebih lambat di bandingkan dengan laju pertumbuhan penduduk, apabila tidak diadakan pembatasan terhadap pertumbuhan penduduk, maka manusia akan mengalami kekurangan bahan makanan, atau dengan kata lain pertambahan jumlah penduduk adalah seperti deret ukur (1, 2, 4, 8, 16, ...), sedangkan pertambahan jumlah produksi makanan adalah bagaikan deret

hitung (1, 2, 3, 4, 5, 6, 7, ...). Hal ini tentu saja akan sangat mengkhawatirkan di masa depan di mana kita akan kerurangan stok bahan makanan.

Emile Durkheim seorang ahli sosiologis dan salah satu tokoh kependudukan mutakhir menyatakan pada suatu wilayah dimana angka kepadatan penduduknya tinggi akibat dari tingginya laju pertumbuhan penduduk, akan timbul persaingan antara penduduk untuk dapat mempertahankan hidup. Dalam usaha memenangkan persaingan tiap-tiap orang berusaha untuk meningkatkan pendidikan dan keterampilan, dan mengambil spesialisasi tertentu. Keadaan seperti ini jelas terlihat pada masyarakat perkotaan dengan kehidupan yang kompleks.

2.3Proyeksi Penduduk

1.Kelahiran (Fertilitas)

Fertilitas adalah sama dengan kelahiran hidup (live birth), yaitu terlepasnya bayi dari rahim seorang perempuan dengan adanya tanda-tanda kehidupan ( Ida Bagoes Mantra, 2009). Kemampuan seorang wanita untuk melahirkan berbeda antara wanita satu dengan wanita lain. Tinggi rendahnya tingkat kelahiran penduduk mempunyai keterkaitan dan ketergantungan pada struktur umur, banyaknya perkawinan, penggunaan kontrasepsi, usia perkawinan, tingkat pendidikan dan status sosial ekonami. Tingkat kelahiran yang tinggi tentu saja menjadi penyebab utama tingkat kepadatan penduduk disuatu daerah, sehingga perlu dilakukan penekanan terhadap angka kelahiran yang salah satunya menggalakkan program Keluarga Berencana (KB).

2. Kematian (Mortalitas)

Mortalitas adalah peristiwa hilangnya semua tanda-tanda kehidupan secara permanen, yang bisa terjadi setiap saat setelah kelahiran hidup (Said Rusli, 1981). Tinggi rendahnya tingkat kematian penduduk suatu daerah tidak hanya mempengaruhi pertumbuhan penduduk, tetapi juga barometer dari tinggi rendahnya tingkat kesehatan

masyarakat di daerah tersebut. Dengan memperhatikan trend dari tingkat mortalitas dan fertilitas di masa lampau dan estimasi perkembangan di masa mendatang dapat di buat proyeksi penduduk wilayah bersangkutan.

3 Mobilitas

Mobilitas penduduk adalah perpindahan penduduk dari suatu daerah ke daerah lain. Mobilitas penduduk ada yang bersifat nonpermanen (sementara) misalnya turisme baik nasional maupun internasional, dan ada pula mobilitas penduduk permanen (menetap). Mobilitas penduduk permanen disebut migrasi. Migrasi adalah perpindahan penduduk dari suatu tempat ke tempat lain dengan melewati batas negara atau batas administrasi dengan tujuan untuk menetap.

Salah satu jenis migrasi yaitu Transmigrasi, yaitu perpindahan penduduk dari pulau yang padat penduduk ke pulau yang jarang penduduknya di dalam wilayah Republik Indonesia. Transmigrasi pertama kali dilakukan di Indonesia pada tahun 1905 oleh pemerintah Belanda yang dikenal dengan nama kolonisasi. Berdasarkan pelaksanaannya, transmigrasi di Indonesia dapat dibedakan atas :

1. Transmigrasi Umum, yaitu transmigrasi yang dilaksanakan dan dibiayai oleh pemerintah

2. Transmigrasi Khusus, yaitu transmigrasi yang dilaksanakan degan tujuan tertentu, seperti penduduk yang terkena bencana alam dan daerah yang terkena pembangunan proyek

3. Transmigrasi Spontan (swakarsa), yaitu transmigrasi yang dilakukan oleh seseorang atas kemauan dan biaya sendiri

4. Transmigrasi Lokal, yaitu transmigrasi dari suatu daerah ke daerah yang lain dalam propinsi atau pulau yang sama.

2.4

Kepadatan Penduduk

2.4.1 Definisi Kepadatan Penduduk

Kepadatan penduduk adalah jumlah penduduk yang mendiami suatu daerah per satuan luas (kilometer persegi). Ciri-ciri kepadatan penduduk yang makin lama makin tinggi adalah tingginya pertumbuhan penduduk yang terus berjalan dan meningkatnya jumlah pemukiman di daerah tersebut. Adapun Kepadatan Penduduk dapat dirumuskan :

KP =

KP : Kepadatan Penduduk

P : Jumlah Penduduk

A : Luas Wilayah (km2)

2.4.2 Jenis-jenis Kepadatan Penduduk

Kepadatan penduduk secara umum dibagi menjadi empat macam, sebagai berikut:

1. Kepadatan Arithmatik

Kepadatan arithmatik adalah jumlah penduduk rata-rata per kilometer persegi daerah tanpa memperhitungkan kualitas daerah maupun kualitas penduduk. Jenis kepadatan ini merupakan kepadatan tradisional dan paling mudah perhitungannya.

2. Kepadatan Fisiologis

Kepadatan fisiologis adalah jumlah penduduk setiap kesatuan wilayah luas dari tanah produktif suatu daerah. Yang dimaksud tanah produktif dalam hal ini adalah tanah yang digarap.

3.Kepadatan Agraris

Kepadatan agraris adalah jumlah penduduk yang bertani dari setiap kesatuan tanah yang dikerjakan untuk pertanian.

4. Kepadatan Ekonomis

Kepadatan ekonomis adalah jumlah penduduk yang dapat dijamin penghidupannya oleh tiap kesatuan wilayah tanah (kesatuan luas tanah). Perhitungan ini tidak hanya tergantung dari sektor pertanian tapi juga sektor industri dan perdagangan. Kepadatan jenis ini dipengaruhi oleh:

1. Kesuburan tanah,

2. Tingkat intensitas dalam bertani,

3. Jarak dengan kota-kota industri makmur,

4. Tingkat kebutuhan rohani penduduk, seperti hiburan dll.

Berdasarkan kepadatan penduduknya, tiap-tiap daerah dapat digolongkan menjadi tiga macam yaitu :

1. Kelebihan Penduduk (over population)

Kelebihan penduduk adalah keadaan daerah tertentu selama waktu yang terbatas, dimana bahan-bahan keperluan hidup tidak mencukupi kebutuhan daerah tersebut secara layak. Daerah yang mengalami kelebihan penduduk biasanya akan mengalami kesulitan pemenuhan kebutuhan pokok penduduk (pangan, sandang dan tempat tinggal). 2. Kekurangan Penduduk (under population)

Kekurangan penduduk adalah keadaan suatu daerah tertentu, dimana keadaan jumlah penduduk sudah sedemikian kecilnya, sehingga sumber alam yang ada hanya sebagian yang mampu untuk dimanfaatkan.

3. Penduduk Optimum (optimum population)

Penduduk optimum adalah jumlah penduduk yang sebaik-baiknya berdasarkan daerah tertentu. Penduduk dapat berproduksi maksimum perkapita berdasarkan sumber alam yang tersedia dan teknologi yang berkembang.

2.4.3 Faktor Penyebab Kepadatan Penduduk

Adapun Faktor yang mempengaruhi kepadatan penduduk antara lain :

a. Faktor iklim dan topografi, iklim yang nyaman dan topografi yang relatif landai menyebabkan penduduk terkonsentrasi dan menjadi padat.

b. Faktor ekonomi, yang termasuk faktor ekonomi adalah tersedianya sumber daya alam dan tersedianya lapangan kerja.

c. Faktor sosial budaya, yang termasuk faktor sosial budaya adalah kesempatan untuk meneruskan pendidikan, keterbukaan masyarakat. Selain itu daerah yang relatif aman akan selalu jadi pemukiman yang padat.

2.2.4 Upaya Mengurangi Kepadatan Penduduk

Adapun upaya-upaya yang dilakukan untuk mengurangi kepadatan penduduk antara lain :

a. Transmigrasi atau program memindahkan penduduk dari tempat yang padat ke tempat yang lain yang jarang penduduknya baik dilakukan atas bantuan pemerintah maupun keinginan diri sendiri.

b. Pemerataan lapangan kerja dengan mengembangkan industri, perikanan, pertanian, dan pertambangan di wilayah lain.

c. Mengendalikan jumlah kelahiran penduduk setempat melalui program KB dan penundaan usia kawin.

2.5

Data

Data adalah bahan mentah yang perlu diolah sehingga menghasilkan informasi atau keterangan, baik kualitatif maupun kuantitatif yang menunjukkan fakta (Riduwan,2002). Pengolahan data merupakan kegiatan terpenting dalam proses dan kegiatan penelitian. Kekeliruan memilih analisis dan perhitungan akan berakibat fatal pada kesimpulan, generalisasi maupun interpretasi.

2.5.1 Uji Dalam pengolahan Data

2.5.1.1 Uji Validitas

Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Suatu test atau instrumen pengukur dapat dikatakan mempunyai validitas yang tinggi apabila alat ukur tersebut menjalankan fungsi ukurnya, atau memberikan hasil ukur yang sesuai dengan maksud dilakukannya pengukuran tersebut. Metode yang yang digunakan untuk menguji validitas adalah dengan korelasi product moment yang rumusnya sebagai berikut :

∑ ∑ ∑

√ ∑ ∑ ∑ ∑

Keterangan :

rxy = koefisien korelasi

X = skor variabel Y = skor total n = jumlah sampel

Untuk menentukan valid tidaknya variabel adalah dengan cara mengkonsultasikan hasil perhitungan koefisien korelasi dengan tabel nilai koefisien (r) pada taraf kepercayaan 95 %.

Apabila rxy ≥ rtabel → valid

2.5.1.2. Uji Reliabilitas

Reliabilitas menunjukkan sejauh mana hasil pengukuran dapat dipercaya. Pengukuran yang memiliki reliabilitas tinggi disebut sebagai pengukuran yang reliabilitas. Metode yang digunakan untuk menguji reliabilitas adalah metode Alpha Cronbach. Variabel dikatakan reliabel jika memberikan nilai Alpha Cronbach > 0,60 (Ade Fatma, 2007). Nilai Alpha Cronbach diperoleh dengan menggunakan rumus sebagai berikut :

( ∑

Keterangan:

= nilai (koefisien) Alpha Cronbach = banyaknya variabel penelitian

∑ = jumlah varians variabel penelitian = varians total

2.6

Analisis Faktor

2.6.1 Definisi Analisis Faktor

Analisis faktor adalah sebuah analisis yang mensyaratkan adanya keterkaitan antar variabel. Pada prinsipnya analisis faktor menyederhanakan hubungan yang beragam dan kompleks pada variabel yang diamati dengan menyatukan faktor atau dimensi yang saling berhubungan atau mempunyai korelasi pada suatu struktur data yang baru yang mempunyai set faktor lebih kecil. Data-data yang dimasukkan pada umumnya data matriks dan terdiri dari variabel-variabel dengan jumlah yang besar.

Analisis faktor dapat digunakan di dalam situasi sebagai berikut :

1. Mengenali atau mengidentifikasi dimensi yang mendasari (underlying dimensions) atau faktor yang menjelaskan korelasi antara suatu set variabel.

2. Mengenali atau mengidentifikasi suatu set variabel baru yang tidak berkorelasi (independent) yang lebih sedikit jumlahnya untuk menggantikan suatu set variabel asli

yang saling berkorelasi di dalam analisis multivariat selanjutnya, misalnya analisis regresi berganda dan analisis diskriminan.

3. Mengenali atau mengidentifikasi suatu set variabel yang penting dari suatu set variabel yang lebih banyak jumlahnya untuk dipergunakan di dalam analisis multivariat selanjutnya.

2.6.2 Model Analisis Faktor

Secara matematis, analisis faktor agak mirip dengan analisis regresi, yaitu dalam hal bentuk fungsi linier. Jumlah varians yang dikontribusi dari sebuah variabel dengan seluruh variabel lainnya lebih dikelompokkan sebagai komunalitas. Kovarians diantara variabel dijelaskan terbatas dalam sejumlah kecil komponen ditambah sebuah faktor unik untuk setiap variabel. Faktor-faktor tersebut tidak secara eksplisit diamati.

Jika variabel distandarisasi, maka model analisis faktor dapat ditulis sebagai berikut :

dimana :

Xi = Variabel ke i yang dibakukan.

Bij = Koefisien regresi yang dibakukan untuk variabel i pada komponen faktor j.

Fj = Komponen faktor ke j.

Vi = Koefisien regresi yang dibakukan untuk variabel ke i pada faktor yang

unik ke i.

µi = Faktor unik variabel ke i.

m = Banyaknya komponen faktor.

Faktor yang unik tidak berkorelasi dengan sesama faktor yang unik dan juga tidak berkorelasi dengan komponen faktor. Komponen faktor sendiri bisa dinyatakan sebagai kombinasi linier dari variabel-variabel yang terlihat/terobservasi hasil penelitian lapangan.

Dimana :

Fi = Perkiraan faktor ke i (didasarkan pada nilai variabel X dengan koefisiennya

Wi ).

Wi = Koefisien nilai faktor ke i.

k = banyaknya variabel

2.6.3 Statistik yang Berkaitan dengan Analisis Faktor

Statistik yang berkaitan dengan analisis faktor adalah : a. Barlett’s test of sphericity

Barlett’s test of sphericity adalah uji statistik yang digunakan untuk menguji hipotesis yang menyatakan bahwa variabel-variabel tersebut tidak berkorelasi dalam populasinya. Dengan kata lain, matriks korelasi populasi adalah sebuah matriks identitas, dimana setiap variabel berkorelasi dengan variabel itu sendiri (r = 1), tetapi tidak berkorelasi dengan variabel lainnya (r = 0).

Statistik uji bartlett adalah sebagai berikut :

[ ] | |

dengan derajat kebebasan (degree of freedom) df

Keterangan :

= jumlah observasi = jumlah variabel

| | = determinan matriks korelasi

b. Correlation matrix (Matriks Korelasi)

Matriks korelasi adalah matriks yang menunjukkan korelasi sederhana (r) antara seluruh kemungkinan pasangan variabel yang dilibatkan dalam analisis. Nilai atau angka pada diagonal utama semuanya sama yaitu 1. Jadi kalau ada 3 atau 4 variabel, bentuk matriks korelasi menjadi :

n = 3 →

[

]

n = 4 →

[

]

c. Communality (Komunalitas)

Komunalitas adalah jumlah varian yang dikontribusi dari sebuah variabel dengan seluruh variabel lainnya dalam analisis. Ini juga merupakan proporsi dari varians yang diterangkan oleh komponen faktor.

dengan

= communality variabel ke-i = nilai factor loading

d. Eigenvalue (Nilai Eigen)

Nilai eigen merupakan jumlah varians yang dijelaskan oleh setiap faktor-faktor yang mempunyai nilai eigenvalue > 1, maka faktor tersebut akan dimasukkan ke dalam model.

Definisi:

Jika A adalah sebuah matriks n x n, maka sebuah vector tak nol x pada Rn disebut vektor eigen (eigenvector) dari A jika Ax adalah sebuah kelipatan skalar dari x; jelasnya,

Ax =

Untuk skalar sebarang , skalar disebut nilai eigen (eigenvalue) dari A, dan x disebut sebagai vektor eigen dari A yang terkait dengan . (Anton Howard, 2000)

e. Factor loadings (Faktor Muatan)

Faktor muatan adalah korelasi sederhana antara variabel dengan faktor.

f. Factor loading plot (Plot Faktor Muatan)

Plot faktor muatan adalah suatu plot dari variabel asli dengan menggunakan factor loading sebagai koordinat.

g. Factor matrix (Faktor Matriks)

Matriks faktor mengandung factor loading dari seluruh variabel dalam seluruh faktor yang dikembangkan.

h. Kaiser - Meyer - Olkin (KMO) measure of sampling adequency

Kaiser – Meyer – Olkin (KMO) merupakan suatu indeks yang digunakan untuk menguji ketepatan analisis faktor. Nilai yang tinggi (antara 0,5 – 1,0) mengidentifikasi analisis faktor tepat. Apabila dibawah 0,5 menunjukkan bahwa analisis faktor tidak tepat untuk diaplikasikan.

_{∑ ∑} ∑ ∑

∑ ∑ Keterangan :

= koefisien korelasi sederhana antara variabel ke- dan = koefisien korelasi parsial antara variabel ke- dan

ke-Measure of Sampling Adequacy (MSA) yaitu suatu indeks perbandingan antara koefisien korelasi parsial untuk setiap variabel. MSA digunakan untuk mengukur kecukupan sampel.

_∑ ∑

∑

i. Percentage of variance (Persentase Varians)

Persentase varians adalah persentase total varians yang disumbangkan oleh setiap faktor.

j. Residuals

Residuals adalah selisih antara korelasi yang terobservasi berdasarkan input correlation matrix dan korelasi hasil reproduksi yang diestimasi dari matriks faktor.

k. Scree plot

Scree plot adalah sebuah plot dari eigenvalue untuk menentukan banyaknya faktor.

2.6.4 Langkah-Langkah Analisis Faktor

Langkah-langkah dalam analisis faktor adalah sebagai berikut :

1. Merumuskan masalah

2. Membentuk matriks korelasi 3. Menentukan metode analisis faktor 4. Menentukan banyaknya faktor 5. Melakukan rotasi terhadap faktor

6. Membuat intrepretasi hasil rotasi terhadap faktor 7. Menentukan ketepatan model (model fit)

Secara skematis langkah-langkah dalam analisis faktor dapat digambarkan sebagai berikut :

Merumuskan masalah

Membentuk matriks korelasi

Menghitung nilai karakteristik (eigenvalue)

Menghitung vektor karakteristik (eigenvector)

Menentukan banyaknya faktor

Menghitung matriks factor loading

Melakukan rotasi faktor

Interpretasi faktor

Menentukan ketepatan model (model fit)

Gambar 2.1 Langkah-langkah dalam analisis faktor

1. Merumuskan Masalah

Merumuskan masalah meliputi beberapa kegiatan. Pertama, tujuan analisis faktor harus diidentifikasi. Variabel yang akan digunakan dalam analisis faktor harus dispesifikasi berdasarkan penelitian sebelumnya, teori dan pertimbangan subjektif dari peneliti. Pengukuran variabel berdasarkan skala interval dan rasio. Besarnya sampel harus tepat, sebagai petunjuk umum besarnya sampel paling sedikit empat atau lima kali banyaknya variabel.

2. Membentuk Matriks Korelasi

Proses analisis didasarkan pada suatu matriks korelasi antar variabel. Agar analisis faktor menjadi tepat, variabel-variabel yang dikumpulkan harus berkorelasi.

Dilakukan perhitungan matriks korelasi . Matriks korelasi digunakan sebagai input analisis faktor.

Korelasi antar Variabel

3. Menghitung nilai karakteristik (eigenvalue)

Perhitungan nilai karakteristik (eigenvalue), dimana perhitungan ini berdasarkan persamaan karakteristik :

dengan :

= matriks korelasi = matriks identitas

= eigenvalue

Eigenvalue adalah jumlah varian yang dijelaskan oleh setiap faktor. (Anton Howard, 2000)

4. Menghitung vektor karakteristik (eigenvector)

Penentuan vektor karakteristik (eigenvector) yang bersesuaian dengan nilai karakteristik (eigenvalue), yaitu dengan persamaan :

dengan :

= eigenvector, (Anton Howard, 2000)

5. Menentukan Banyaknya Faktor

Ada beberapa prosedur yang dapat dipergunakan dalam menentukan banyaknya faktor yaitu, penentuan secara a priori, penentuan berdasarkan pada eigenvalue, penentuan berdasarkan Scree plot, penentuan berdasarkan persentase varians, penentuan berdasarkan Split-Half Reliability, dan penentuan berdasarkan uji signifikan.

a. Penentuan Secara A priori

Kadang-kadang karena adanya dasar teori atau pengalaman sebelumnya, peneliti sudah dapat menentukan banyaknya faktor yang akan diekstraksi. Hampir sebagaian besar program komputer memungkinkan peneliti untuk menentukan banyaknya faktor yang diinginkan dengan pendekatan ini.

b. Penentuan Berdasarkan Eigenvalue

Pada pendekatan ini, hanya faktor dengan eigenvalue lebih besar dari satu yang dipertahankan. Eigenvalue merepresentasikan besarnya sumbangan dari faktor terhadap varians seluruh variabel aslinya. Hanya faktor dengan varians lebih besar dari satu yang dimasukkan dalam model. Faktor dengan varians lebih kecil dari satu tidak lebih dari variabel asli, sebab variabel yang dibakukan (distandarisasi) yang berarti rata-ratanya nol dan variansinya satu.

c. Penentuan Berdasarkan Sree Plot

Sree Plot merupakan plot dari nilai eigenvalue terhadap banyaknya faktor dalam ekstraksinya. Bentuk plot yang dihasilkan digunakan untuk menentukan banyaknya faktor. Biasanya plot akan berbeda antara slope tegak faktor, dengan eigenvalue yang besar dan makin kecil pada sisa faktor yang tidak perlu diekstraksi.

d. Penentuan Berdasarkan Persentase Varians

Dalam pendekatan ini, banyaknya faktor yang diekstraksi ditentukan berdasarkan persentasi kumulatif varians mencapai tingkat yang memuaskan peneliti. Tingkat persentase kumulatif yang memuaskan peneliti tergantung kepada permasalahannya.

Sebagai petunjuk umum bahwa ekstraksi faktor dihentikan kalau kumulatif persentase varians sudah mencapai paling sedikit 60% atau 75% dari seluruh varians variabel asli.

e. Penentuan Split-Half Reliability

Sampel dibagi menjadi dua, dan analisis faktor diaplikasikan kepada masing-masing bagian. Hanya faktor yang memiliki faktor loading tinggi antar dua bagian itu yang akan dipertahankan.

f. Penentuan Berdasarkan Uji Signifikan

Dimungkinkan untuk menentukan signifikansi statistik untuk eigenvalue yang terpisah dan mempertahankan faktor-faktor yang berdasarkan uji statistik eigenvaluenya signifikan pada α = 5% atau α = 1%. Penentuan banyaknya faktor dengan cara ini memiliki kelemahan, khususnya pada ukuran sampel yang besar misalnya diatas 200 responden, banyak faktor yang menunjukkan uji signifikan, walaupun dari pandangan praktis banyak faktor yang mempunyai sumbangan terhadap seluruh varians hanya kecil.

6. Menghitung matriks faktor loading

Matriks loading factor ( ) diperoleh dengan mengalikan matriks eigenvector ( ) dengan akar dari matriks eigenvalue (L). Atau dalam persamaan matematis ditulis

√ .

7. Melakukan Rotasi Faktor

Sebuah output penting dari analisis faktor adalah matriks faktor atau disebut juga sebagai matriks faktor pola. Matriks faktor mengandung koefisien yang digunakan untuk mengekspresikan variabel yang dibakukan (distandarisasi) dinyatakan dalam faktor. Koefisien-koefisien tersebut atau faktor loadings merupakan korelasi antara faktor dengan variabelnya. Sebuah koefisien dengan nilai absolut yang besar mengindikasikan bahwa faktor dan variabel berkorelasi kuat. Koefisien tersebut bisa digunakan untuk menginterpretasi faktor.

Walaupun matriks faktor awal atau unrotated factor matrix mengindikasikan hubungan antara faktor dengan variabel individu tertentu, akan tetapi masih sulit

diambil kesimpulannya tentang banyaknya faktor yang bisa diekstraksi, hal ini disebabkan karena faktor berkorelasi dengan banyaknya variabel atau sebaliknya variabel tertentu masih banyak berkorelasi dengan banyak faktor.

Dalam merotasi faktor, diharapkan setiap faktor memiliki loading faktor atau koefisien yang tidak nol, atau signifikan hanya untuk beberapa variabel. Atau, diharapkan setiap variabel memiliki faktor loadings signifikan hanya dengan sedikit faktor, atau kalau mungkin dengan sebuah faktor. Rotasi tidak berpengaruh terhadap komunalitas dan persentase total varians yang dijelaskan. Namun demikian, rotasi berpengaruh terhadap persentase varians dari setiap faktor. Beberapa metode rotasi yang bisa digunakan adalah orthogonal rotation, varimax rotation, dan oblique rotation.

Orthogonal rotation adalah kalau sumbu dipertahankan tegak lurus sesamanya (bersudut 90 derajat). Yang paling banyak digunakan adalah varimax rotation, yaitu rotasi ortogonal dengan meminimumkan banyaknya variabel yang memiliki loadings tinggi pada sebuah faktor, sehingga lebih mudah menginterpretasi faktor. Rotasi ortogonal menghasilkan faktor-faktor yang tidak berkorelasi. Oblique rotation adalah jika sumbu-sumbu tidak dipertahankan harus tegak lurus sesamanya (bersudut 90 derajat) dan faktor-faktor berkorelasi. Kadang-kadang, mentoleransi korelasi antar faktor-faktor bisa menyederhanakan matriks pola faktor. Oblique rotation harus dipergunakan kalau faktor dalam populasi berkorelasi sangat kuat.

8. Interpretasi Faktor

Interpretasi dipermudah dengan mengidentifikasi variabel yang loadingnya besar pada faktor yang sama. Faktor tersebut kemudian dapat diinterpretasikan menurut variabel-variabel yang memiliki loading tinggi dengan faktor tersebut. Cara lain yang bisa digunakan adalah melalui pivot variabel dengan faktor loading sebagai koordinat. Variabel yang berada pada akhir sebuah sumbu adalah variabel yang memiliki loadings tinggi hanya pada faktor yang bersangkutan, sehingga bisa digunakan untuk mengiterpretasi faktor. Variabel yang berada di dekat titik origin memiliki loading yang rendah terhadap kedua faktor. Variabel yang tidak berada di dekat sumbu mengindikasi bahwa variabel tersebut berkorelasi dengan kedua faktor. Jika sebuah faktor tidak bisa secara jelas didefinisikan dalam batas variabel awalnya, maka disebut faktor umum.

9. Menentukan Ketepatan Model (model fit)

Langkah terakhir dalam analisis faktor adalah menetukan ketepatan model (model fit). Asumsi dasar yang digunakan dalam analisis faktor adalah korelasi terobservasi dapat menjadi atribut dari faktor atau komponen. Untuk itu, korelasi terobservasi dapat direproduksi melalui estimasi korelasi antara variabel terhadap faktor. Selisih antara korelasi dari data observasi dengan korelasi reproduksi dapat digunakan dengan mengukur ketepatan model. Selisih tersebut disebut sebagai residuals. Jika banyak residuals yang besar (residual > 0,05), berarti model faktor yang dihasilkan tidak tepat sehingga model perlu dipertimbangkan kembali.

BAB 3

PEMBAHASAN DAN HASIL

3.1 Populasi, Sampel dan Teknik Pengambilan Sampel

Populasi dalam penelitian ini adalah seluruh penduduk kotamadya Sibolga. Data total jumlah penduduk kotamadya Sibolga pada tahun 2010 yang diperoleh dari hasil sensus penduduk oleh Badan Pusat Statistik adalah sebagai berikut ini :

Tabel 3.1 Daftar Jumlah Penduduk Kotamadya Sibolga tahun 2010

No Kecamatan Jumlah Penduduk

(jiwa)

1 Sibolga Utara 20.169

2 Sibolga Kota 14.456

3 Sibolga Selatan 30.337

4 Sibolga Sambas 20.309

Total 85.271

Sumber : Sibolga dalam Angka 2012

Jumlah sampel dalam penelitian ini adalah 100 responden penduduk kotamadya Sibolga dengan teknik pengambilan sampel menggunakan teknik sampling yang biasanya digunakan untuk mengambil sampel data dari populasi yang berkaitan dengan demografi (kependudukan), adapun teknik sampling yang digunakan yaitu Quota Sampling. Adapun tahap-tahap yang dilakukan dalam menentukan sampel adalah sebagai berikut :

1. Menentukan jumlah sampel yang akan diambil berdasarkan populasi penduduk kotamadya Sibolga.

2. Menentukan banyaknya sampel yang akan diambil dari tiap kecamatan berdasarkan pertimbangan jumlah penduduk di tiap kecamatan tersebut.

3. Menentukan bagaimana sampel akan diambil.

Pengambilan sampel dalam penelitian ini dilakukan dengan cara Probability Sampling (Metode Acak), artinya setiap anggota populasi memiliki kesempatan yang sama (acak) untuk terpilih sebagai sampel sehingga diharapkan sampel yang terpilih dapat digunakan untuk menduga karakteristik populasi secara objektif (Sugiarto, 2001). Karena jumlah populasi pada tiap kecamatan berbeda maka ditentukan jumlah sampel pada setiap kecamatan dengan cara komposisi proporsional.

Berdasarkan perhitungan proporsi diperoleh jumlah sampel pada tiap kecamatan sebagai berikut :

Tabel 3.2 Penarikan Sampel dengan Proporsional

No Kecamatan Populasi Proporsi Sampel Jumlah Sampel

(jiwa)

1 Sibolga Utara 20.169 23,65 % 24

2 Sibolga Kota 14.456 16,95 % 17

3 Sibolga Selatan 30.337 35,58 % 35

4 Sibolga Sambas 20.309 23,82 % 24

Total 85.271 100 % 100

3.2Karakteristik Responden

Dari masing- masing kecamatan akan diambil secara acak sampel sebanyak 100 orang. Diketahui bahwa semakin banyak sampel yang diambil maka data akan semakin representatif.

Tabel 3.3 Karakteristik Responden

Karakteristik Responden Jumlah

(orang) Persentasi ( %) Usia 18-25 tahun 26-33 tahun 34-41 tahun 42-49 tahun ≥ 50 tahun

12 24 28 25 11 12 24 28 25 11

Total 100 100

Jenis Kelamin Laki- Laki Perempuan 42 58 42 58

Total 100 100

3.3Variabel penelitian

Adapun variabel yang digunakan dalam penelitian ini adalah sebagai berikut : 1. Efektivitas alat kontrasepsi (X1)

Alat kontrasepsi adalah alat yang digunakan dalam upaya untuk mencegah terjadinya kehamilan. Kontrasepsi berasal dari kata kontra berarti mencegah atau melawan, sedangkan konsepsi adalah pertemuan antara sel telur yang matang dan sel sperma yang mengakibatkan kehamilan. Dalam penelitian ini di teliti persepsi penduduk kota Sibolga mengenai penggunaan alat kontrasepsi sebagai salah satu upaya untuk mencegah kehamilan.

2. Usia Pernikahan (X2)

Usia pernikahan adalah usia pasangan suami istri saat menikah. Di dalam Penelitian ini di teliti persepsi penduduk kota Sibolga mengenai hubungan usia pernikahan dengan jumlah anak yang dimiliki.

3. Pendapatan/Penghasilan (X3)

Pendapatan adalah besarnya pemasukan yang diterima oleh seseorang atau lembaga tertentu. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai hubungan pendapatan/penghasilan dengan keinginan memiliki jumlah anak tertentu.

4. Tingkat Pendidikan (X4)

Tingkat Pendidikan adalah tinggi rendahnya pendidikan yang telah dicapai oleh seseorang dalam hidupnya. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai hubungan tingkat pendidikan suatu keluarga dengan keinginan memiliki jumlah anak tertentu.

5. Program KB (X5)

Program KB adalah salah satu program yang dicanangkan oleh pemerintah guna menekan lajunya angka kelahiran. Program KB yang berhasil akan menunjukan angka kelahiran yang menurun dari tiap tahunnya, namun program KB yang gagal akan menunjukkan jumlah kelahiran yang tetap bahkan bertambah untuk setiap tahunnya. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai program KB yang telah dicanangkan oleh Pemerintah kotamadya Sibolga.

6. Fasilitas Kesehatan (X6)

Fasilitas kesehatan adalah alat atau sarana kesehatan yang ada di suatu daerah, baik yang disediakan oleh Pemerintah maupun lembaga- lembaga swasta. Fasilitas kesehatan yang disediakan dimaksudkan dapat menjadi sarana penolong bagi masyarakat dalam mendapatkan pelayanan kesehatan yang memadai. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai fasilitas kesehatan yang terdapat di kotamadya Sibolga.

7. Kesadaran akan Kesehatan (X7)

Kesadaran akan kesehatan adalah keinginan yang timbul dari dalam diri seseorang untuk mencapai tingkat kesehatan yang maksimum. Karena pada dasarnya sehat itu adalah milik pribadi, dan tingkat penjagaan terhadap kesehatan bagi setiap orang itu berbeda-beda, sehingga sangat diharapkan kepedulian dari masing- masing individu

untuk menjaganya. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai kesadaran masyarakat akan kesehatan.

8. Lapangan Pekerjaan (X8)

Lapangan pekerjaan adalah bidang kegiatan dari pekerjaan/usaha/ perusahaan/kantor tempat seseorang bekerja. Lapangan pekerjaan yang memadai menggambarkan kondisi ekonomi disuatu daerah sudah baik demikian sebaliknya. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai lapangan pekerjaan yang terdapat di kotamadya Sibolga menarik perhatian orang dari luar untuk mencari pekerjaan di kota Sibolga. 9. Fasilitas Pendidikan (X9)

Fasilitas Pendidikan adalah alat atau sarana yang berkaitan dengan bidang pendidikan yang terdapat di suatu daerah baik milik pemerintah maupun lembaga swasta. Pada umumnya fasilitas pendidikan menggambarkan kegiatan pembelajaran yang ada di daerah tersebut. Fasilitas pendidikan yang memadai memudahkan proses pembelajaran sehingga menghasilkan anak didik yang jauh berkualitas. Di dalam penelitian ini di teliti persepsi penduduk Sibolga mengenai fasilitas pendidikan yang terdapat di kotamadya Sibolga.

10.Tingkat Keamanan (X10)

Keamanan adalah keadaan bebas dari bahaya, yang dapat diartikan bahwa seseorang merasa aman dan nyaman lahir dan batinnya untuk tinggal di suatu daerah terhadap tindak- tindak kejahatan yang bisa terjadi. Keamanan merupakan prioritas penting dalam kehidupan, karena tanpa adanya rasa aman dalam diri seseorang maka ketenangan tidak akan pernah ada. Di dalam penelitian ini di teliti persepsi penduduk kota Sibolga mengenai tingkat keamanan kotamadya Sibolga untuk dijadikan tempat tinggal oleh orang dari luar kota Sibolga.

11.Sumber Daya Alam (X11)

Sumber daya alam adalah segala sesuatu yang terdapat di alam yang dapat digunakan untuk kepentingan hidup manusia. Di dalam penelitian ini di teliti persepsi penduduk kota Sibolga mengenai hubungan sumber daya alam yang terdapat di kota Sibolga dengan keinginan orang dari luar untuk bertempat tinggal di kota Sibolga.

3.4Sumber Data

Data di dalam penelitain ini diperoleh dari hasil wawancara terstruktur terhadap responden dengan menggunakan kuisioner. Kuisioner yang digunakan merupakan kuisioner tertutup (kuesioner terstruktur), yaitu kuisioner yang disusun dalam bentuk pernyataan yang telah disertai dengan pilihan jawaban dalam bentuk skala.

Skala yang digunakan dalam penelitian ini adalah skala likert, yang biasanya digunakan untuk mengukur sikap, pendapat dan persepsi seseorang tentang suatu kejadian atau gejala sosial (Riduwan, 2005).

Dalam penelitian ini skala ditetapkan dalam bentuk pilihan ganda dengan setiap pernyataan diberi skor antara 1 sampai dengan 5, yaitu :

1 = Sangat tidak setuju 2 = Tidak setuju

3 = Tidak tahu/ragu-ragu 4 = Setuju

5 = Sangat setuju

3.5Pengolahan Data

3.5.1 Input Data Mentah

Penentuan matriks input data mentah yang terdiri dari 100 sampel observasi (responden) dan 11 variabel awal penelitian.

Tabel 3.4 Data Hasil Kuisioner

Nomor

Responden X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11

1. 4 4 3 5 4 5 3 4 5 4 3

2. 5 3 3 3 5 2 4 3 4 4 4

3. 4 4 3 5 4 5 5 5 5 5 5

4. 5 5 4 5 5 5 5 5 4 4 4

5. 4 2 4 4 4 3 2 2 4 3 3

6. 5 5 5 3 5 4 5 5 4 4 5

7. 4 2 5 3 4 3 2 2 5 4 4

8. 4 5 4 4 4 5 5 5 5 3 5

9. 4 4 4 3 4 4 3 2 2 3 2

10. 5 4 5 5 4 4 5 5 4 4 5

. . . .

. . . .

. . . .

. . . .

100. 4 4 4 4 4 4 2 3 4 4 4

Data mentah keseluruahan ada pada lampiran 2A

3.5.2 Penskalaan Data Ordinal Menjadi Data Interval

Berdasarkan data mentah hasil kuisioner dapat dibuat suatu matriks Xpxn yang telah dilakukan penskalaan menjadi skala interval. Dalam penelitian ini digunakan teknik penskalaan Methods Successive Interval dengan bantuan Microsoft Office Excel 2007. Berikut adalah perhitungan penskalaan Methods Successive Interval pada variabel 1.

Tabel 3.5 Penskalaan Variabel 1

No. Variabel

Kategori Skor Jawaban Ordinal

Frekuansi Proporsi Proporsi

Kumulatif Z

Densitas

Nilai Hasil Penskalaan

1 2,000 6,000 0,060 0,060 -1,555 0,119 1,000

3,000 1,000 0,010 0,070 -1,476 0,134 1,471

4,000 52,000 0,520 0,590 0,228 0,389 2,496

5,000 41,000 0,410 1,000 0,000 3,934

Jumlah 100

Langkah-langkah Methods Successive Interval :

1. Menghitung frekuensi skor jawaban dalam skala ordinal.

2. Menghitung proporsi dan proporsi kumulatif untuk masing-masing skor jawaban.

3. Menentukan nilai Z untuk setiap kategori, dengan asumsi bahwa proporsi kumulatif dianggap mengikuti distribusi normal baku. Nilai Z diperoleh dari Tabel Distribusi Normal Baku.

4. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku sebagai berikut:

√

√

5. Menghitung Scale Value (SV) dengan rumus :

6. Menentukan Scale Value min sehingga | | Scale Value terkecil =

| |

| |

7. Mentransformasikan nilai skala dengan menggunakan rumus :

| |

Selanjutnya dengan melakukan cara yang sama, maka semua variabel akan ditransformasikan ke dalam data interval.

Hasil penskalaan dari masing-masing variabel:

Tabel 3.6 Hasil Penskalaan Variabel

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11

1 1,000 1,000 1,000 1,000 1,000 1,000 1,000

2 1,000 1,000 1,000 1,968 2,158 1,858 2,690 2,474 2,011 1,000 2,278

3 1,471 1,655 1,753 2,730 2,834 2,384 3,513 3,263 2,557 1,808 2,985

4 2,496 2,408 2,794 3,692 3,665 3,159 3,921 3,941 3,595 2,783 3,758

5 3,934 3,652 4,143 4,936 4,890 4,358 4,803 5,011 5,011 4,111 4,936

Setelah dilakukan penskalaan pada 11 variabel, maka diperoleh data hasil kuisioner dalam bentuk interval sebagai berikut :

Tabel 3.7 Data Interval No. _X

1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11

1. 2.496 2.408 1.753 4.936 3.665 4.358 3.513 3.941 5.011 2.783 2.985 2. 3.934 1.655 1.753 2.730 4.890 1.858 3.921 3.263 3.595 2.783 3.758 3. 2.496 2.408 1.753 4.936 3.665 4.358 4.803 5.011 5.011 4.111 4.936 4. 3.934 3.652 2.794 4.936 4.890 4.358 4.803 5.011 3.595 2.783 3.758 5. 2.496 1.000 2.794 3.692 3.665 2.384 2.690 2.474 3.595 1.808 2.985 6. 3.934 3.652 4.143 2.730 4.890 3.159 4.803 5.011 3.595 2.783 4.936 7. 2.496 1.000 4.143 2.730 3.665 2.384 2.690 2.474 5.011 2.783 3.758 8. 2.496 3.652 2.794 3.692 3.665 4.358 4.803 5.011 5.011 1.808 4.936 9. 2.496 2.408 2.794 2.730 3.665 3.159 3.513 2.474 2.011 1.808 2.278 10. 3.934 2.408 4.143 4.936 3.665 3.159 4.803 5.011 3.595 2.783 4.936

. . . .

. . . .

. . . .

100. 2.496 2.408 2.794 3.692 3.665 3.159 2.690 3.263 3.595 2.783 3.758 Data mentah keseluruahan ada pada lampiran 2B

3.6Uji Validitas

Validitas menunjukkan sejauh mana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Pada penelitian ini uji validitas dilakukan dengan membandingkan nilai r-hitung dengan nilai r-tabel (rproduct moment).

Pengujian validitas dilakukan pada 100 responden dengan bantuan SPSS dengan langkah sebagai berikut:

1. Klik analyze, pilih scale dan reliability analysis.

2. Setelah muncul kotak dialog reliability analysis, pindahkan data (X1 sampai X11)

kedalam item statistik.

3. Klik kotak dialog statistic pilih descriptive for (item, scale, dan scale if item deleted).

4. Klik continue dan OK.

Setelah dilakukan uji validitas dengan bantuan SPSS diperolah hasil r- hitung sebagai berikut :

Tabel 3.8 Uji Validitas Variabel Penelitian

No. Variabel r hitung r tabel Kesimpulan

1 X1 = Efektivitas alat kontrasepsi 0,285 0,195 Valid

2 X2 = Usia/umur pernikahan 0,411 0,195 Valid

3 X3 = Pendapatan/penghasilan 0,280 0,195 Valid

4 X4 = Tingkat pendidikan 0,554 0,195 Valid

5 X5 = Program KB 0,202 0,195 Valid

6 X6 = Fasilitas kesehatan 0,515 0,195 Valid

7 X7 = Kesadaran akan kesehatan 0,566 0,195 Valid

8 X8 = Lapangan pekerjaan 0,534 0,195 Valid

9 X9 = Fasilitas pendidikan 0,309 0,195 Valid

10 X10 = Tingkat keamanan 0,343 0,195 Valid

Dengan N = 100 dan α = 5% maka berdasarkan tabel korelasi product moment diperoleh r-tabel sebesar 0,195, ini menunjukkan bahwa seluruh variabel dinyatakan valid karena nilai r-hitung > r tabel, r-hitung > 0,195.

Secara manual perhitungan korelasi product moment antara variabel X1 dengan skor

total variabel lainnya (Y = X2 + X3 + X4 + X5 + X6 + X7 + X8 + X9 + X10 + X11) dapat

dilihat pada tabel berikut:

Tabel 3.9 Contoh Perhitungan Korelasi Product Moment Nomor

Responden X Y XY X

2 Y2

1. 2,496 35,353 88,241088 6,230016 1249,834609

2. 3,934 30,206 118,830404 15,476356 91,402436

3. 2,496 40,992 102,316032 6,230016 1680,344064

4. 3,934 40,58 159,64172 15,476356 1646,7364

5. 2,496 27,087 67,609152 6,230016 733,705569

6. 3,934 39,702 156,187668 15,476356 1576,248804

7. 2,496 30,638 76,472448 6,230016 938,687044

8. 2,496 39,73 99.16608 6,230016 1578,4729

9. 2,496 26,84 66,99264 6,230016 720,3856

10. 3,934 39,439 155,153026 15,476356 1555,434721

11. 2,496 27,76 69,28896 6,230016 770,6176

12. 3,934 30,183 118,739922 15,476356 911,013489

13. 3,934 28,504 112,134736 15,476356 812,478016

14. 2,496 30,045 74,99232 6,230016 902,702025

15. 2,496 32,145 80,23392 6,230016 1033,301025

. . _{. . .} .

. . _{. . .} .

. . _{. . .} .

100. 2,496 31,807 79,390272 6,230016 1011,685249

∑ ∑ ∑

√ ∑ ∑ ∑ ∑

(

√

√

√

√

Hasil perhitungan nilai korelasi product moment menggunakan program SPSS menunjukkan nilai yang sama dengan perhitungan nilai korelasi product moment secara manual terhadap variabel X1 yaitu sebesar 0,285.

3.7 Uji Reliabilitas

Uji Reliabilitas menunjukkan sejauh mana hasil suatu pengukuran dapat dipercaya. Pengukuran yang memiliki reliabilitas tinggi disebut sebagai pengukuran yang reliabel. Metode yang digunakan untuk menguji reliabilitas adalah metode Alpha Cronbach. Variabel dikatakan reliabel jika memberikan nilai Alpha Cronbach > 0,6 (Ghozali, 2005).

Untuk mendapatkan nilai Alpha Cronbach dapat dilakukan dengan bantuan program SPSS dengan langkah sebagai berikut :

1. Klik analyze, pilih scale dan reliability analysis.

2. Setelah muncul kotak dialog reliability analysis, pindahkan data (X1 sampai X11) ke

dalam item statistik.

3. Klik kotak dialog statistic pilih descriptive for (item, scale, dan scale if item deleted).

4. Klik continue dan OK.

5. Pada output kolom cronbach’s Alpha if item deleted adalah hasil uji reliabilitas.

Tabel 3.10 Uji Reliabilitas Variabel Penelitian

No Variabel Alpha

Cronbach

Kesimpulan

1 X1 = Efektivitas alat kontrasepsi 0,760 Reliabel

2 X2 = Usia/umur pernikahan 0,746 Reliabel

3 X3 = Pendapatan/penghasilan 0,762 Reliabel

4 X4 = Tingkat pendidikan 0,728 Reliabel

5 X5 = Program KB 0,771 Reliabel

6 X6 = Fasilitas kesehatan 0,733 Reliabel

7 X7 = Kesadaran akan kesehatan 0,726 Reliabel

8 X8 = Lapangan pekerjaan 0,730 Reliabel

9 X9 = Fasilitas Pendidikan 0,758 Reliabel

10 X10 = Tingkat Keamanan 0,754 Reliabel

11 X11 = Sumber daya alam 0,729 Reliabel

Hasil uji reliabilitas terhadap variabel-variabel penelitian menunjukkan bahwa data mempunyai tingkat reliabilitas yang tinggi karena nilai Alpha Cronbach untuk ke 11 variabel > 0,6. Dengan demikian, data dapat memberikan hasil pengukuran yang konsisten (reliabel).

Secara manual perhitungan nilai Alpha Cronbach untuk variabel X1 diperoleh

dengan langkah-langkah berikut ini:

1. Mencari nilai varians dari masing-masing variabel. Dengan menggunakan rumus varians:

̅

2. Mencari nilai total varians (tanpa variabel X1).

3. Melakukan proses perhitungan nilai Alpha Cronbach variabel X1 dengan memakai

rumus:

( ∑

(

)

(

(

Hasil perhitungan nilai Alpha Cronbach menggunakan program SPSS menunjukkan nilai yang hampir sama dengan perhitungan Alpha Cronbach secara manual terhadap variabel X1 yaitu sebesar 0,7528, ini disebabkan adanya faktor

pembulatan dalam proses perhitungan. Selanjutnya dapat dilakukan langkah yang sama untuk menentukan nilai Alpha Cronbach terhadap variabel yang lain.

3.8 Analisis Data

Metode analisis data yang digunakan adalah teknik analisis faktor dengan pendekatan komponen utama. Langkah-langkah dalam analisis faktor adalah sebagai berikut :

3.8.1 Membentuk Matriks Korelasi

a. Matriks korelasi merupakan matriks yang memuat koefisien korelasi dari semua pasangan variabel dalam penelitian ini.

b. Matriks ini digunakan untuk mendapatkan nilai kedekatan hubungan antar variabel penelitian.

c. Nilai kedekatan ini dapat digunakan untuk melakukan beberapa pengujian untuk melihat kesesuaian dengan nilai korelasi yang diperoleh dari analisis faktor.

Dalam proses analisisnya apabila koefisien korelasi antar variabel terlalu kecil berarti hubungannya lemah, maka metode analisis faktor kurang tepat untuk dipergunakan. Peneliti mengharapkan selain variabel awal berkorelasi dengan sesama variabel lainnya juga berkorelasi dengan faktor sebagai variabel terakhir yang didapat dari variabel-variabel awal.

Perhitungan matriks korelasi menggunakan program SPSS adalah sebagai berikut :

Perhitungan nilai korelasi masing-masing variabel secara manual diperoleh dengan memakai rumus korelasi product moment :

∑ ∑ ∑

√ ∑ ∑ ∑ ∑

Contoh perhitungan korelasi antara variabel X1 dengan X2. Misalkan X1 adalah X

dan X2 adalah Y.

Table 3.12 Perhitungan Korelasi Antara Variabel X1Dengan X2

Nomor

Responden X Y XY X

2 Y2

1. 2,496 2,408 6,010368 6,230016 5,798464

2. 3,934 1,655 6,51077 15,476356 2,739025

3. 2,496 2,408 6,010368 6,230016 5,798464

Tabel 3.11 MATRIKS KORELASI

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11

X1 1,000 0,337 0,160 0,143 0,498 -0,010 0,327 0,116 -0,006 -0,037 0,078

X2 0,337 1,000 0,240 0,295 0,233 0,282 0,440 0,269 0,146 -0,051 0,082

X3 0,160 0,240 1,000 0,199 -0,032 0,021 0,195 0,215 0,146 0,153 0,287

X4 0,143 0,295 0,199 1,000 0,179 0,495 0,402 0,354 0,289 0,245 0,367

X5 0,498 0,233 -0,032 0,179 1,000 0,139 0,224 -0,012 0,058 -0,052 -0,057

X6 -0,010 0,282 0,021 0,495 0,139 1,000 0,344 0,393 0,366 0,279 0,458

X7 0,327 0,440 0,195 0,402 0,224 0,344 1,000 0,299 0,134 0,245 0,428

X8 0,116 0,269 0,215 0,354 -0,012 0,393 0,299 1,000 0,238 0,447 0,552

X9 -0,006 0,146 0,146 0,289 0,058 0,366 0,134 0,238 1,000 0,137 0,206

X10 -0,037 -0,051 0,153 0,245 -0,052 0,279 0,245 0,447 0,137 1,000 0,520

4. 3,934 3,652 14,366968 15,476356 13,337104

5. 2,496 1,000 2,496 6,230016 1,000

6. 3,934 3,652 14,366968 15,476356 13,337104

7. 2,496 1,000 2,496 6,230016 1,000

8. 2,496 3,652 9,115392 6,230016 13,337104

9. 2,496 2,408 6,010368 6,230016 5,798464

10. 3,934 2,408 9,473072 15,476356 5,798464

11. 2,496 1,000 2,496 6,230016 1,000

12. 3,934 1,655 6,51077 15,476356 2,739025

13. 3,934 1,655 6,51077 15,476356 2,739025

14. 2,496 1,655 4,13088 6,230016 2,739025

15. 2,496 2,408 6,010368 6,230016 5,798464

. . . . . .

. . . . . .

. . . . . .

100. 2,496 2,408 6,010368 6,230016 5,798464

Jumlah 298,557 255,461 789,30975 966,655269 735,228487

∑ ∑ ∑

√ ∑ ∑ ∑ ∑

(

√

√

Hasil perhitungan korelasi antara variabel X1 dan X2menggunakan program SPSS

menunjukkan nilai yang sama dengan perhitungan korelasi antara variabel X1 dan X2

secara manual yaitu sebesar 0,337. Selanjutnya dapat dilakukan langkah yang sama untuk menentukan nilai korelasi antara variabel yang lain.

Pada penelitian ini matriks korelasi yang dibentuk dari data yang diperoleh untuk mengetahui faktor-faktor yang mempengaruhi kepadatan penduduk di kotamadya Sibolga memperlihatkan korelasi yang cukup kuat antara variabel X1 dengan X2

sehingga diharapkan nantinya bahwa variabel-variabel ini akan berkorelasi dengan faktor yang sama.

Data mengenai 11 variabel yang berasal dari jawaban 100 orang responden kemudian dianalisa pada anti image correlation. Uji ini dilakukan dengan memperhatikan angka KMO dan MSA. Kriteria kesesuaian dalam pemakaian analisis faktor adalah

 Jika harga KMO sebesar 0,9 berarti sangat memuaskan,  Jika harga KMO sebesar 0,8 berarti memuaskan,

 Jika harga KMO sebesar 0,7 berarti harga menengah,  Jika harga KMO sebesar 0,6 berarti cukup,

 Jika harga KMO sebesar 0,5 berarti kurang memuaskan, dan  Jika harga KMO kurang dari 0,5 tidak dapat diterima. .

Tabel 3.13 Kaiser-Meyer-Olkin (KMO) dan Barlett’s Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,731 Bartlett's Test of Sphericity Approx. Chi-Square 284,811

df 55

A.

PERHITUNGAN

DAN

Untuk menghitung

dan

, maka diperlukan matriks korelasi sederhana dan matriks korelasi parsial yang semua entrinya

telah dikuadratkan. Berikut ini akan disajikan matriks korelasi sederhana dan matriks korelasi parsial yang semua entrinya telah dikuadratkan.

MATRIKS KORELASI PARSIAL

1 2 3 4 5 6 7 8 9 10 11

1 -0,171 -0,086 -0,003 -0,479 0,210 -0,161 -0,083 0,046 0,082 -0,088 2 -0,171 -0,218 -0,047 -0,015 -0,210 -0,337 -0,237 -0,004 0,198 0,248 3 -0,085 -0,218 -0,113 0,094 0,228 0,029 0,006 -0,121 -0,044 -0,228 4 -0,003 -0,047 -0,113 -0,089 -0,287 -0,162 -0,082 -0,103 -0,038 -0,030

5 -0,479 -0,015 0,094 -0,089 -0,157 -0,066 0,088 -0,031 -0,026 0,151

6 0,210 -0,210 0,228 -0,287 -0,157 -0,034 -0,074 -0,236 -0,025 -0,293 7 -0,161 -0,337 0,029 -0,162 -0,066 -0,034 0,089 0,036 -0,104 -0,291 8 -0,083 -0,237 0,006 -0,082 0,088 -0,074 0,089 0,078 -0,261 -0,316

9 0,046 -0,004 -0,121 -0,103 -0,031 -0,236 0,036 0,078 0,007 0,022

10 0,082 0,198 -0,044 -0,038 -0,026 -0,025 -0,104 -0,261 0,007 -0,256 11 -0,088 0,248 -0,228 -0,030 0,151 -0,293 -0,291 -0,316 0,022 -0,256

KUADRAT MATRIKS KORELASI PARSIAL

1 2 3 4 5 6 7 8 9 10 11 Jumlah

1 0,029241 0,007225 0,000009 0,229441 0,0441 0,025921 0,006889 0,002116 0,006724 0,007744 0,35941 2 0,029241 0,047524 0,002209 0,000225 0,0441 0,113569 0,056169 0,000016 0,039204 0,061504 0,393761 3 0,007225 0,047524 0,012769 0,008836 0,051984 0,000841 0,000036 0,014641 0,001936 0,051984 0,197776 4 0,000009 0,002209 0,012769 0,007921 0,082369 0,026244 0,006724 0,010609 0,001444 0,0009 0,151198 5 0,229441 0,000225 0,008836 0,007921 0,024649 0,004356 0,007744 0,000961 0,000676 0,022801 0,30761 6 0,0441 0,0441 0,051984 0,082369 0,024649 0,001156 0,005476 0,055696 0,000625 0,085849 0,396004 7 0,025921 0,113569 0,000841 0,026244 0,004356 0,001156 0,007921 0,001296 0,010816 0,084681 0,276801 8 0,006889 0,056169 0,000036 0,006724 0,007744 0,005476 0,007921 0,006084 0,068121 0,099856 0,26502 9 0,002116 0,000016 0,014641 0,010609 0,000961 0,055696 0,001296 0,006084 0,000049 0,000484 0,091952 10 0,006724 0,039204 0,001936 0,001444 0,000676 0,000625 0,010816 0,068121 0,000049 0,065536 0,195131 11 0,007744 0,061504 0,051984 0,0009 0,022801 0,085849 0,084681 0,099856 0,000484 0,065536 0,481339

KUADRAT MATRIKS KORELASI SEDERHANA

1 2 3 4 5 6 7 8 9 10 11 Jumlah

1 _{0,113569 0,0256 0,020449 0,248004 0,0001 0,106929 0,013456 0,000036 0,001369} 0,006084 0,535596

2 _{0,113569 0,0576 0,087025 0,054289 0,079524 0,1936 0,072361 0,021316 0,002601} 0,006724 0,688609

3 _{0,0256 0,0576 0,039601 0,001024 0,000441 0,038025 0,046225 0,021316 0,023409} 0,082369 0,33561

4 _{0,020449 0,087025 0,039601 0,032041 0,245025 0,161604 0,125316 0,083521 0,060025} 0,134689 0,989296

5 _{0,248004 0,054289 0,001024 0,032041 0,019321 0,050176 0,000144 0,003364 0,002704} 0,003249 0,414316

6 _{0,0001 0,079524 0,000441 0,245025 0,019321 0,118336 0,154449 0,133956 0,077841} 0,209764 1,038757

7 _{0,106929 0,1936 0,038025 0,161604 0,050176 0,118336 0,089401 0,017956 0,060025} 0,183184 1,019236

8 _{0,013456 0,072361 0,046225 0,125316 0,000144 0,154449 0,089401 0,056644 0,199809} 0,304704 1,062509

9 _{0,000036 0,021316 0,021316 0,083521 0,003364 0,133956 0,017956 0,056644 0,018769} 0,042436 0,399314

10 _{0,001369 0,002601 0,023409 0,060025 0,002704 0,077841 0,060025 0,199809 0,018769} 0,2704 0,716952

11 _{0,006084 0,006724 0,082369 0,134689 0,003249 0,209764 0,183184 0,304704 0,042436 0,2704} 1,243603

_{∑ ∑}

∑ ∑

∑ ∑

_∑

∑

∑

B.

UJI BARTLETT DENGAN PENDEKATAN STATISTIK

CHI SQUARE

Untuk menguji apakah matriks korelasi sederhana bukan merupakan suatu matriks identitas, maka

digunakan uji Bartlett dengan pendekatan statistik

chi square. Berikut ini diuraikan

langkah-langkah pengujiannya.

1.

Hipotesis

:Matriks korelasi sederhana merupakan matriks identitas

:Matriks korelasi sederhana bukan merupakan matriks identitas

2.

Statistik uji

[

] | |

3.

.

;

4.

Kriteria pengujian : tolak

jika

5.

Perhitungan

[

]

6.

Kesimpulan :

, maka tolak

. Dengan kata lain,

matriks korelasi sederhana bukan merupakan matriks identitas.

106

C.

PERHITUNGAN KOMUNALITAS

X1

0,080

0,814

-0,152

0,006400 0,662596 0,023104 0.692100

X2

0,128

0,665

0,214

0,016384 0,442225 0,045796 0.504405

X3

0,607

0,260

-0,226

0,368449 0,067600 0,051076 0.487125

X4

0,297

0,300

0,604

0,088209 0,090000 0,364816 0.543025

X5

-0,251

0,703

0,167

0,063001 0,494209 0,027889 0.585099

X6

0,220

0,104

0,819

0,048400 0,010816 0,670761 0.729977

X7

0,422

0,546

0,268

0,178084 0,298116 0,071824 0.548024

X8

0,664

0,095

0,350

0,440896 0,009025 0.122500 0.572421

X9

0,057

0,016

0,658

0,003249 0,000256 0.432964 0.436469

X10

0,693

-0,166

0,219

0,480249 0,027556 0.047961 0.555766

X11

0,777

0,013

0,326

0,603729 0,000169 0.106276 0.710174